一种图像均衡化处理的方法与流程

1.本发明涉及图像处理技术领域，尤其涉及一种图像均衡化处理的方法。


背景技术：

2.在图像处理技术领域中，有着各种各样的图像处理技术，每一种处理技术都有着它们各自的特点，图像均衡化处理是一种比较常用的处理方式，图像均衡化处理就是将一个灰度级分布不均匀的图像，通过某种变换得到一个均匀分布的操作。但是，图像均衡化处理后，某些区域很亮很白，导致丢失了细节，明显处理的效果不好。针对这个问题，现有的处理办法是局部均衡化，局部均衡化包括子块不重叠、子块重叠以及子块部分重叠三种方式，其中子块不重叠方式因产生明显的块效应而很少采用；子块重叠方式由于计算量大、处理速度慢，实际运用也不多；而子块部分重叠方式则可以在保持较好的对比度增强效果的同时，显著提高了处理速度。虽然图像局部均衡化比全局均衡化明显处理效果更好，但是某些区域很亮很白的现象还是存在，处理效果仍旧不能达到预期。


技术实现要素：

3.本发明的目的在于提供一种图像均衡化处理的方法，用以解决图像均衡化处理后某些区域很亮很白的问题，提高图像均衡化处理的质量，保留更多图像的细节。
4.为了实现上述目的，本发明采用如下技术方案：
5.一种图像均衡化处理的方法，步骤如下:
6.步骤1、将待处理的图像分割成m
×
m个图像，作为第一分割图像集；
7.步骤2、对第一分割图像集中的图像逐个进行均衡化处理；
8.步骤3、对均衡化处理后的第一分割图像集进行拼接，作为第一拼接图像；
9.步骤4、将第一拼接图像分割成n
×
n个图像，作为第二分割图像集；
10.步骤5、对第二分割图像集中的图像逐个进行均衡化处理；
11.步骤6、对均衡化处理后的第二分割图像集进行拼接，作为第二拼接图像；
12.步骤7、对第二拼接图像进行检测是否出现块效应，若是，则对第二拼接图像进行去块滤波，若否，则把第二拼接图像作为最终均衡化处理图像。
13.进一步的，所述步骤1中，待处理的图像为灰度图像、彩色图像的任意一种。
14.进一步的,所述步骤1和步骤4中，m和n其中一个为奇数，另一个为偶数，两者均大于1。
15.进一步的，所述步骤2和步骤5中，均衡化处理方式依照待处理的图像进行选择，若待处理的图像为灰度图像，则直接对灰度图像均衡化处理；若待处理的图像为彩色图像，则需要先分解通道，再对彩色图像的每一个通道均衡化，最后合并每一个通道。
16.进一步的，所述步骤2中，均衡化处理具体包括：
17.确定图像的前景与背景的最优分割阈值t，最优分割阈值t由大津算法确定；
18.利用阈值t将图像分割成背景图像x1与前景图像22；
19.假设图像的背景较亮，分别对前景图像x1与背景图像x2进行均衡化处理，表示如下：
[0020][0021]
公式(1)中，表示前景图像x1中灰度级为k出现的频率,表示前景图像x1中灰度级为k的像素个数，表示前景图像x1的像素个数；表示背景图像x2中灰度级为k出现的频率，表示背景图像x2中灰度级为k的像素个数，表示背景图像x2的像素个数；l表示图像的灰度级总数；
[0022][0023]
公式(2)中，表示前景图像x1各个灰度级累计分布概率，背景图像x2各个灰度级累计分布概率；
[0024][0025]
公式(3)中，y1和y2分别表示前景图像x1与背景图像x2直方图均衡化处理后的图像，和分别表示前景图像x1与背景图像x2中的像素点(x,y)的概率；
[0026]
最后合并图像得到均衡化图像，表示如下：
[0027]
y＝y1∪y2ꢀꢀꢀ
(4)
[0028]
公式(4)中，y表示均衡化图像。
[0029]
进一步的，所述步骤2中，均衡化处理的图像分为两种，分别是背景较暗的图像和背景较亮的图像；若是背景较暗的图像，则将公式中前景图像x1与背景图像x2置换，若背景较亮的图像，则保持不变。
[0030]
进一步的，所述步骤7中，去块滤波采用块效应消除滤波器。
[0031]
本发明的有益效果：
[0032]
1、将待处理图像分割成多个图像，对分割图像逐个均衡化处理，避免背景较暗或较亮造成图像出现亮点。
[0033]
2、通过对分割图像均衡化处理，在保留图像的局部细节的同时，增强了图像的对比度。
[0034]
3、通过采用块效应消除滤波器，消除了图像的块效应，优化了最终图像均衡化处理的效果。
附图说明
[0035]
图1为本发明提供的一种图像均衡化处理的方法流程示意图；
[0036]
图2为本发明提供的第一分割图像集示意图。
具体实施方式
[0037]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038]
实施例1
[0039]
如图1所示，本实施例提供了一种图像均衡化处理的方法，包括如下步骤：
[0040]
步骤1、将待处理的图像分割成m
×
m个图像，作为第一分割图像集；
[0041]
本实施例中，采用的是灰度图像，m取值为3，即将灰度图像分割成3
×
3个图像，这9个图像作为第一分割图像集，如图2所示，对分割后的图像命名为fg1i.jpg,i∈[1,2,
…
,9]。
[0042]
步骤2、对第一分割图像集中的图像逐个进行均衡化处理；
[0043]
对第一分割图像集中的9个图像逐个进行均衡化处理，均衡化处理具体如下：
[0044]
在均衡化处理之前，需要确定第一分割图像集中的每一个图像的前景与背景的阈值t1i,,i∈[1,2,
…
,9]，阈值t1i由大津算法确定，具体如下：
[0045]
下面以图像fg11.jpg为例：
[0046]
参数设定：对于图像fg11(x,y)，图像大小为p
×
q，前景与背景的最优分割阈值设为t11，属于前景的像素点占据整幅图像的比例设为ρ1，其平均灰度设为μ1；属于背景的像素点占据整幅图像的比例设为ρ2，其平均灰度设为μ2；设整幅图像的总平均灰度为μ，类间方差设为f；
[0047]
假设图像fg11(x,y)的背景偏亮，图像中像素的灰度值小于t11的像素个数记为n1，图像中像素的灰度值大于t11的像素个数记为n2，则有如下公式：
[0048][0049][0050]
n1 n2＝p
×qꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0051]
ρ1 ρ2＝1
ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0052]
μ＝μ1×
ρ1 μ2×
ρ2ꢀꢀꢀꢀꢀꢀꢀ
(5)
[0053]
f＝ρ1×
(μ-μ1)2 ρ2×
(μ-μ2)2ꢀꢀꢀꢀꢀꢀꢀ
(6)
[0054]
将公式(5)代入(6)中，得到：
[0055]
f＝ρ1×
ρ2×
(μ
1-μ1)2ꢀꢀ
(7)
[0056]
设图像的灰度级个数为l，灰度级为k的像素点个数为nk，则总像素数n表示如下：
[0057][0058]
各个灰度值所出现的频率表示如下：
[0059][0060]
设灰度t为门限将图像分为两个区域：0到t的像素区域表示的是前景类，t到l-1的像素区域表示的是背景类，则有：
[0061]
前景类出现的概率表示如下：
[0062][0063]
背景类出现的概率表示如下：
[0064][0065]
前景类的灰度均值表示如下：
[0066][0067]
背景类的灰度均值表示如下：
[0068][0069]
图像的总灰度均值表示如下：
[0070][0071]
由上可以得到背景区域与前景区域的类内方差，表示如下：
[0072]
σ2＝p1(w
1-w
t
)2 p2(w
2-w
t
)2ꢀꢀ
(15)
[0073]
当σ2取得最大值时，t就是最优分割阈值t11；
[0074]
由上述公式求得最优分割阈值，将图像分割成背景区域与前景区域，其中前景区域的灰度范围为[0,t11],背景区域的灰度范围为[t11,l-1]，表示如下：
[0075][0076]
公式(16)中，x1表示前景图像，x2表示背景图像，f(x,y)表示像素点(x,y)的灰度值；
[0077]
分别对前景图像x1与背景图像x2进行均衡化处理，具体如下：
[0078]
首先分别计算前景图像x1与背景图像x2中各个灰度值所出现的频率，表示如下：
[0079][0080]
公式(17)中，表示前景图像x1中灰度级为k出现的频率,表示前景图像x1中灰度级为k的像素个数，表示前景图像x1的像素个数；表示背景图像x2中灰度级为k出现的频率,表示背景图像x2中灰度级为k的像素个数，表示背景图像x2的像素个数；
[0081]
其次分别计算前景图像x1与背景图像x2中各个灰度级累计分布概率，表示如下：
[0082][0083]
然后分别进行直方图均衡化计算，表示如下：
[0084][0085]
公式(19)中，y1和y2分别表示前景图像x1与背景图像x2直方图均衡化处理后的图像，和分别表示前景图像x1与背景图像x2中的像素点(x,y)的概率；
[0086]
最后将直方图均衡化处理后的图像进行合并得到图像fg11(x,y)均衡化的图像，表示如下：
[0087]yfg11
＝y1∪y2ꢀꢀ
(20)
[0088]
同理，依次对第一分割图像集中的其他图像进行相同的处理方式，得到均衡化图像y
fg1i
,i∈[1,2,
…
,9]；
[0089]
步骤3、对均衡化处理后的第一分割图像集进行拼接，作为第一拼接图像；
[0090]
将均衡化处理后的第一分割图像集的9张图像进行拼接，得到第一拼接图像；
[0091]
步骤4、将第一拼接图像分割成n
×
n个图像，作为第二分割图像集；
[0092]
本实施例中，因为m取值为3是奇数，因此n取值为4是偶数，即将第一拼接图像分割成4
×
4个图像，这16个图像作为第二分割图像集，对分割后的图像命名为fg2i.jpg,i∈[1,2,
…
,16]。
[0093]
步骤5、对第二分割图像集中的图像逐个进行均衡化处理；
[0094]
与步骤2同理，对第二分割图像集中的16个图像逐个进行均衡化处理；
[0095]
步骤6、对均衡化处理后的第二分割图像集进行拼接，作为第二拼接图像；
[0096]
将均衡化处理后的第二分割图像集的16张图像进行拼接，得到第二拼接图像；
[0097]
步骤7、对第二拼接图像进行检测是否出现块效应，若是，则对第二拼接图像进行去块滤波，若否，则把第二拼接图像作为最终均衡化处理图像。
[0098]
对第二拼接图像进行检测是否出现块效应，块效应指的是图像的边界出现不连续的跳变。因此，只需要对分割边界的像素进行检测，其灰度值是否发生跳变，就可以判断第二拼接图像是否产生了块效应；若是，则对第二拼接图像进行去块滤波，若否，则把第二拼接图像作为最终均衡化处理图像。
[0099]
现在对块效应的消除一般采用图像后处理技术，图像后处理技术可以分为两种：一种是基于图像增强的方法，另一种是基于图像恢复的方法。本发明采用的是基于图像增强的方法，即对第二拼接图像采用块效应消除滤波器消除块效应。
[0100]
如下表所示，全局均衡化、局部均衡化以及本方法的对比。
[0101] 全局均衡化局部均衡化本方法局部细节某些细节消失少量缺失保留完整对比度过分增强较好较好亮点存在高亮区域少许几乎没有灰度级不平坦较为平坦较为平坦计算量一般一般较大最终效果不理想相对较好理想
[0102]
表1
[0103]
由上表可知，本方法与现有技术相比，对图像局部细节保留更为完整，对比度增强
效果较好，几乎没有亮点，灰度级也较为平坦，最终的效果也非常理想，缺陷是计算量比较大。
[0104]
实施例2
[0105]
步骤1、将待处理的图像分割成m
×
m个图像，作为第一分割图像集；
[0106]
本实施例中，采用的是彩色图像，m取值为3，即将灰度图像分割成3
×
3个图像，这9个图像作为第一分割图像集，对分割后的图像命名为fg1i.jpg,i∈[1,2,
…
,9]。
[0107]
步骤2、对第一分割图像集中的图像逐个进行均衡化处理；
[0108]
对第一分割图像集中的9个图像逐个进行均衡化处理，均衡化处理具体如下：
[0109]
因为待处理的图像为彩色图像，则需要先分解通道，即将彩色图像分解为r、g、b三个通道，然后对彩色图像每一个通道进行均衡化，其单个通道均衡化过程与灰度图像均衡化过程一致，最后合并三个通道，得到均衡化处理图像；
[0110]
步骤3、对均衡化处理后的第一分割图像集进行拼接，作为第一拼接图像；
[0111]
步骤4、将第一拼接图像分割成n
×
n个图像，作为第二分割图像集；
[0112]
本实施例中，因为m取值为3是奇数，因此n取值为4是偶数，即将第一拼接图像分割成4
×
4个图像，这16个图像作为第二分割图像集，对分割后的图像命名为fg2i.jpg,i∈[1,2,
…
,16]。
[0113]
步骤5、对第二分割图像集中的图像逐个进行均衡化处理；
[0114]
与步骤2同理，对第二分割图像集中的16个图像逐个进行均衡化处理；
[0115]
步骤6、对均衡化处理后的第二分割图像集进行拼接，作为第二拼接图像；
[0116]
将均衡化处理后的第二分割图像集的16张图像进行拼接，得到第二拼接图像；
[0117]
步骤7、对第二拼接图像进行检测是否出现块效应，若是，则对第二拼接图像进行去块滤波，若否，则把第二拼接图像作为最终均衡化处理图像。
[0118]
至此完成了整个方法的流程。
[0119]
结合具体实施，可以得到本发明的优点是，通过对分割图像均衡化处理，在保留图像的局部细节的同时，增强了图像的对比度；通过采用块效应消除滤波器，消除了图像的块效应，优化了最终图像均衡化处理的效果。
[0120]
本发明未详述之处，均为本领域技术人员的公知技术。
[0121]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。